这里写目录标题
参考视频资料:B站
目标场景
相似度计算方式
余弦相似度
欧氏距离和余弦相似度
皮尔逊相关系数
协同过滤
UserCF
举例说明计算相关系数的过程:
接着计算预测Alice对物品5的评分:
选出最相似的两个用户,记为
S
\mathcal{S}
S
缺点
ItemCF(从列向量分析)
缺点
- 数据的稀疏性
- 物品相似度矩阵的维护难度大
UserCF和ItemCF对比
- 区别
- 共同的缺点